状況
先週、3歳の慢性咳嗽で来た児の診察に少し迷った。2ヶ月続く湿性咳嗽、アレルギー歴なし、受動喫煙なし、抗生剤を1コース使ったが改善しない。自分の頭では気道感染遷延とアレルギー性咳嗽が軸にあったが、「これで網羅できているか」という感覚が残った。
そこで待合が落ち着いた隙に、Claudeに鑑別を投げた。返ってきたリストに「胃食道逆流症（GERD）」が含まれていた。幼児の慢性湿性咳嗽でGERDを外来で系統的に考えた記憶が、その瞬間はなかった。
小児外来での判断ミスの多くは「正しく診断した疾患が別の疾患の陰にあった」ではなく「そもそも候補に入っていなかった」ことによると感じている。AIに鑑別を出させる目的は「診断を任せる」ことではなく、「自分が候補から外したものを戻してもらう」ことだ。
やったこと
外来PCのClaudeに以下のテンプレを常駐させてある。診察後の数分で埋めて送る。
あなたは熟練した総合診療医です。以下の小児症例の情報をもとに、
鑑別診断リストを作成してください。
# 症例情報
- 主訴: [主訴を入力]
- 現病歴: [発症からの経過、随伴症状、経過中の治療反応を時系列で]
- 既往歴: [既往疾患、服薬歴、アレルギー]
- バイタルサイン: 体温__°C、脈拍__/分、呼吸数__/分、SpO2__%
# 出力形式
1. Critical（見逃してはいけない疾患）: 3つ
2. Common（頻度の高い疾患）: 3つ
3. Rare（稀だが考慮すべき疾患）: 2つ
各疾患について、この症例で疑う根拠と、除外するために必要な追加情報を
1〜2行で記載してください。
注意: この出力は診断の補助です。最終判断は必ず医師が臨床所見と合わせて行ってください。
慢性咳嗽の件では、現病歴に「就寝後も咳嗽あり、食後に増悪するエピソードが1回」と書いて送った。それがGERDのフラグになった。自分が診察中に聞いていた情報だったが、鑑別の軸として活性化していなかった。
返ってきたリストを全部採用するわけではない。「Criticalに喉頭がんが入っているが3歳では現実的でない」という判断は常に医師が行う。リストを見ながら「なぜこれが入っているか」を考えるプロセス自体が、自分の思考の精査になる。
効いたところ
- 「自分の頭の中だけで鑑別を回す」より、想定外の疾患を1〜2個拾う確率が上がった
- 体感で週1〜2回、「あ、その軸を忘れていた」という疾患が出てくる
- Criticalの枠に入るか確認するだけで、見逃しリスクの高い疾患を意識的に除外できる
- 現病歴を言語化して入力するプロセス自体が、情報の整理になっている
限界・気をつけていること
- AIは学習データに含まれていない稀少疾患を出せない。「出なかった疾患が否定された」わけではない
- 診察前に「おそらくXだろう」と思っていると、確証バイアスが乗ったまま入力してしまう。出力もその方向に偏ることがある
- バイタルや現病歴の入力が不正確だと、Critical の構成が大きく変わる。入力情報の精度が出力の質を決める
- AIが出した根拠（「就寝後の咳嗽があるためGERDを考慮」）は参考であり、エビデンスではない。追加の臨床確認が必要
- 入力に患者氏名・生年月日・カルテ番号を含めない。症例情報は匿名化してから渡す
「AIが鑑別した」ではなく「医師が、AIでリストを補完してから判断した」という線は常に引いておく必要がある。
横展開
同じパターンは、反復する腹痛（過敏性腸症候群と機能性腹痛と器質疾患の分岐）、原因不明の発熱（感染症以外の炎症疾患）、発達の遅れ（環境要因と器質疾患の混在）でも使える。外来で「方向性は出たが完全には固まらない」と感じる場面がこの使い方の適所だ。